데이터 인텔리전스 연구실은 데이터 중심의 공정 학습과 공평성에 중점을 두고 연구를 진행하고 있습니다. 이 연구는 데이터 수집, 데이터 선택, 데이터 비율 조정 등 데이터 관리의 다양한 측면에서 공정성과 공평성을 개선하는 방법을 탐구합니다. 특히, 다중 팔 도박기(Multi-armed Bandits)와 같은 알고리즘을 사용하여 공정한 활성 학습을 구현하고, 생성된 데이터와 실제 데이터 간의 비율을 동적으로 조정하여 공평한 학습을 달성하는 방법을 연구합니다. 이러한 노력은 머신러닝 모델의 공정성과 신뢰성을 높이는 데 기여할 수 있습니다.

데이터 인텔리전스 연구실은 딥러닝 모델의 성능을 최적화하기 위해 데이터 품질과 개념 변화에 대처하는 방법을 연구합니다. 이 연구는 데이터 수집의 도전과제, 데이터 세분화 방법, 그리고 데이터 청소 기법 등을 다룹니다. 특히, 개념 변화에 강건한 데이터 세그먼트 선택 방법을 개발하여 모델의 지속적인 정확성을 유지하는 데 중점을 둡니다. 이러한 연구는 딥러닝 모델이 변화하는 데이터 환경에서도 높은 성능을 유지할 수 있도록 도와줍니다.